模拟偏振雷达返回进行天气观测

打开脚本

本例介绍了如何模拟满足气象观测要求的极化多普勒雷达回波。雷达在天气观测、灾害探测、降水分类和定量以及预报等方面发挥着重要作用。此外，偏振雷达提供了前所未有的质量和信息的多参数测量。这个例子展示了如何模拟一个偏振多普勒雷达，该雷达扫描一个分布的天气目标区域。仿真依据国内外知名的NEXRAD雷达规格，推导出雷达参数。对接收到的脉冲进行综合后，进行雷达谱矩估计和极化矩估计。将估计值与NEXRAD地面真相进行比较，从中获得误差统计数据并评估数据质量。

雷达的定义

一个著名的天气雷达是天气监视雷达，1988多普勒(WSR-88D)，也被称为NEXRAD，由美国国家气象局，联邦航空局和国防部操作。有关更多信息，请参见雷达操作中心的网站。

雷达系统规格设计如下。

Max_range = 100e3;最大无歧义范围(m)Range_res = 250;%所需距离分辨率(m)Pulnum = 32;在一个方位上要处理的脉冲数Fc = 2800e6;%频率(Hz)Prop_speed = physconst(“光速”）;%传播速度(m/s)Lambda = prop_speed/fc;%波长(m)

为了将这些需求转换为雷达参数，我们遵循示例中的过程雷达接收机模拟测试信号．在本例中，为简单起见，加载预先计算的雷达参数。

负载NEXRAD_Parameters.mat

天线模式

由于NEXRAD是极化的，因此对天线和天气目标的极化特性进行建模非常重要。根据NEXRAD规范，天线图的波束宽度约为1度，第一副瓣低于-30 dB。

Azang = [-180:0.5:180];Elang = [-90:0.5:90];我们利用各向同性天线单元和逐渐变细天线单元合成了一种模式%振幅分布，使其符合NEXRAD规范。Magpattern = load(“NEXRAD_pattern.mat”）;Phasepattern = 0 (size(magpattern.pat));极化天线被假定有理想的水平匹配%和垂直极化模式。天线=相控。CustomAntennaElement (“AzimuthAngles”azang,.．.“ElevationAngles”elang,.．.“HorizontalMagnitudePattern”magpattern.pat,.．.“VerticalMagnitudePattern”magpattern.pat,.．.“HorizontalPhasePattern”phasepattern,.．.“VerticalPhasePattern”phasepattern,.．.“SpecifyPolarizationPattern”,真正的);清晰的magpattern清晰的phasepattern

绘制天线图样的方位角切割。

D = pattern(antenna,fc,azang,0);P =极化模式(azang,D，“TitleTop”，方位角切割的极坐标图(仰角= 0度)）;P.AntennaMetrics = 1;removeAllCursors (P);

将阵列与散热器和收集器关联。

散热器=阶段性。散热器(.．.“传感器”、天线、“极化”，“双重”，.．.“OperatingFrequency”、fc);收集器=阶段性。收集器(.．.“传感器”、天线、“极化”，“双重”，.．.“OperatingFrequency”、fc);

天气目标

天气雷达数据一般分为三个级别。I级数据是原始时间序列I/Q数据，作为雷达数据采集单元信号处理器的输入。二级数据由信号处理器输出的雷达光谱矩(反射率、平均径向速度和谱宽)和极化矩(微分反射率、相关系数和微分相位)组成。iii级数据是雷达产品发生器的输出产品数据，如水成物分类、风暴总降水量、龙卷风涡旋特征等。

在本例中，使用的是2013年5月20日协调时间20:08:11 KTLX NEXRAD雷达的二级数据。该数据来自发生在俄克拉荷马州摩尔的强烈龙卷风，用于生成平均雷达横截面(RCS)等效散射中心．数据可通过FTP下载．它表示体积扫描，包括在指定的时间内以预定的仰角对天线进行一系列360度扫描。数据文件名KTLX20130520_200811_V06，KTLX指雷达站点名称，20130520 _200811指收集数据的日期和时间，和V06参考版本6的数据格式。在此模拟中，以体扫描数据为例提取最低仰角切割(0.5度)。

将Level-II数据读入工作区。储存在nexrad结构数组，其中包含所有的雷达力矩以及一个方位角场，该方位角场指定了笛卡尔坐标系中每个径向数据点的方位角。为简单起见，加载从压缩文件转换为mat文件的NEXRAD数据。

负载NEXRAD_data.mat；

定义一个感兴趣的区域(AOI)在直角坐标的方位角和范围。

Az1 = 96;%起始方位角(度)Az2 = 105;结束方位角(度)Rg1 = 22750;%起始范围(m)Rg2 = 38750;结束范围(m)NEXRAD的盲区为2000米。Blind_rg = 2000;我们定义天气目标所占据的方位角的数目%二维平面。Num_az = 40;我们定义了天气目标在每个区域所占据的范围箱的数量%二维平面的方位径向。Num_bin = 150;选择AOI数据并将其存储在_nexrad_aoi_结构数组中%包含所有雷达时刻，以及开始和结束方位角%和范围指数。以及太空中可用天气目标的数量%返回为Ns。[nexrad_aoi,Ns] = helperSelectAOI(nexrad,az1,az2,rg1,rg2,blind_rg,range_res,num_az,num_bin);

因为天气目标是极化的，并且分布在一个平面上，它们可以通过指定离散方位角的散射矩阵来表示。气象目标反射率定义为单位体积的平均后向散射截面。根据天气雷达方程，天气目标可以认为是每个分辨率体积内的小目标的集合。总反射率可以转化为平均RCS，作为等效散射中心。因此，散射矩阵中的每个元素都是相关偏振RCS的平方根。

预先分配目标位置，速度，RCS，方位，仰角和雷达%散射矩阵。tgtpos = 0 (3, Ns);tgtvel = 0 (3, Ns);rsh = 0 (1,Ns);RCSV = 0 (1,Ns);Azpatangs = [-180 180];Elpatangs = [-90 90];shhpat = 0 (2,2,Ns);svvpat = 0 (2,2,Ns);shvpat = 0 (2,2,Ns);Zz = 0;% NEXRAD波束宽度约为1度。波束宽度= 1.0;为Ii = nexrad_aoi.rlow:nexrad_aoi.rup theta = nexrad_aoi.方位角(Ii);为Jj = 1:num_bin如果isnan(nexrad.ZH(ii,jj))==0 zz = zz+1;Rpos = (jj-1)*range_res + blind_rg;Tpos = [rpos*cosd(theta);rpos*sind(theta);0];Tgtpos (:，zz) = tpos;RCSH(zz) = helperdBZ2RCS(beamwidth,rpos,lambda,pulse_width,nexrad.ZH(ii,jj)，prop_speed);shhpat(:，:，zz) =√(RCSH(zz))*ones(2,2);RCSV(zz) = helperdBZ2RCS(beamwidth,rpos,lambda,pulse_width,nexrad.ZV(ii,jj)，prop_speed);svvpat(:，:，zz) = sqrt(RCSV(zz))*ones(2,2);结束结束结束Tgtmotion =分阶段。平台(“InitialPosition”tgtpos,“速度”, tgtvel);目标=阶段性。BackscatterRadarTarget (“EnablePolarization”,真的,.．.“模型”，“Nonfluctuating”，“AzimuthAngles”azpatangs,.．.“ElevationAngles”elpatangs,“ShhPattern”shhpat,“ShvPattern”shvpat,.．.“SvvPattern”svvpat,“OperatingFrequency”、fc);

雷达脉冲合成

使用定义的雷达系统参数生成一个雷达数据立方体。在每个分辨率范围内，包括适当的相关性，以确保所得的I/Q数据呈现适当的天气信号统计特性。

Rxh_aoi = complex(零(nexrad_aoi.rgnum,nexrad_aoi.aznum));Rxv_aoi = complex(零(nexrad_aoi.rgnum,nexrad_aoi.aznum));%实现序列的个数Realiznum = 1000;%由于NEXRAD盲区而无法使用的范围箱的数量I0 = blind_rg/range_res;%旋转传感器平台，模拟NEXRAD扫描方位角为Kk = 1:nexrad_aoi。Aznum轴= rotz(nexrad_azimuth (kk+nexrad_aoi.r1-1));更新传感器和目标位置[sensorpos,sensorvel] =感应运动(1/prf);[tgtpos,tgtvel] = tgtmotion(1/prf);计算传感器所看到的目标角度[tgtrng,tgtang] = rangeangle(tgtpos,sensorpos，坐标轴);形成该扫描角度的发射光束并模拟传播脉冲=波形();[txsig,txstatus] =发射器(脉冲);%采用NEXRAD等同时收发模式Txsig =散热器(Txsig, Txsig,tgtang,axes);Txsig = channel(Txsig,sensorpos,tgtpos,sensorvel,tgtvel);%反射目标的脉冲Ang_az = tgtang(1:2:end);Ang_az = Ang_az +(-1).^(double(Ang_az >0))*180;Tgtsig = target(txsig，[ang_az;zero (size(ang_az))]，axes);收集传感器接收到的目标返回值[rxsig_h,rxsig_v] = collector(tgtsig,tgtang,axes);RXH = receiver(rxsig_h，~(txstatus>0));RXV = receiver(rxsig_v，~(txstatus>0));匹配过滤[rxh, mfgainh] = matchedfilter(rxh);[rxv, mfgainv] = match filter(rxv);RXH = [RXH(匹配延迟+1:结束);0(匹配延迟，1)];RXV = [RXV(匹配延迟+1:结束);0(匹配延迟，1)];%大量毁灭RXH = RXH (1:2:end);RXV = RXV (1:2:end);丢弃盲区数据，选择AOI数据Rxh_aoi (:，kk) = rxh(nexrad_aoi.b1+i0:nexrad_aoi.b2+i0);Rxv_aoi (:，kk) = rxv(nexrad_aoi.b1+i0:nexrad_aoi.b2+i0);结束清晰的txsig清晰的tgtsig

天气雷达矩估计

利用脉冲对处理，从相关估计中计算所有雷达时刻，包括反射率、平均径向速度、谱宽、微分反射率、相关系数和微分相位。

moment = helpweathermoment (rxh_aoi,rxv_aoi,nexrad_aoi,pulnum,realiznum,prt,lambda);

仿真结果

将模拟结果与NEXRAD地面真实值进行比较。使用误差统计、扇区图像、距离剖面和散点图评估模拟数据质量。误差统计数据表示为与NEXRAD Level-II数据(真值字段)相比估计雷达时刻的偏差和标准偏差。

定义用于绘图的方位角和范围。

方位= nexrad_aoi. Azimuth (nexrad_aoi.r1:nexrad_aoi.r2);范围= (nexrad_aoi.b1-1:nexrad_aoi.b2-1)*250 + 2000;

反射率

反射率, Z美元，为多普勒谱的第零矩，与分辨率体积中的液态水含量或降水速率有关。因为价值观 Z美元在气象观测中经常遇到跨越多个数量级的雷达，气象学家使用的是由对数刻度给出的 $10美元log_ {10} Z美元$ 为dBZ，其中 Z美元单位是mm^6/m^3。

[Z_bias,Z_std] = helperDataQuality(nexrad_aoi,moment,range，方位角，“Z”）;

径向速度

径向速度法, $美元V_ {r} $$ ，为功率归一化谱的第一矩，它反映了空气朝向或远离雷达的运动。

[Vr_bias,Vr_std] = helperDataQuality(nexrad_aoi,moment,range，方位角，“虚拟现实”）;

频谱宽度

频谱宽度, $v $ \ sigma_ {} $$ ，为归一化谱的二阶矩的平方根。谱宽是速度色散的度量，即分辨率体积内的剪切或湍流。

[sigmav_bias,sigmav_std] = helperDataQuality(nexrad_aoi,moment,range，方位角，“sigmav”）;

差分反射率

微分反射率, $美元Z_{博士}$$ ，由水平极化信号和垂直极化信号的功率估计之比估计。差反射率在水成物分类中是有用的。

[ZDR_bias,ZDR_std] = helperDataQuality(nexrad_aoi,moment,range，方位角，“ZDR”）;

相关系数

相关系数， $\ rho_{高压}$ ，表示每个脉冲的水平和垂直返回功率和相位的一致性。相关系数在确定系统性能和分类雷达回波类型方面起着重要作用。

[Rhohv_bias,Rhohv_std] = helperDataQuality(nexrad_aoi,moment,range，方位角，“Rhohv”）;

微分相位

微分相位， $\ phi_ {DP}$ ，为水平极化和垂直极化返回脉冲相位延迟的差值。差分相位提供了有关被采样的散射体性质的信息。

[Phidp_bias,Phidp_std] = helperDataQuality(nexrad_aoi,moment,range，方位角，“Phidp”）;

误差统计

前一节中的图表提供了模拟质量的可视化定性度量。本节示例展示了将估计与NEXRAD规范作为错误统计信息进行定量比较。

MomentName = {“Z”；“虚拟现实”；“sigmav”；“ZDR”；“Rhohv”；“Phidp”};STDEV = [round(Z_std,2);round(Vr_std,2);round(sigmav_std,2);round(ZDR_std,2);round(Rhohv_std,3);round(Phidp_std,2)];Specs = [1;1;1;0.2;0.01;2];单位= {“数据库”；“米/秒”；“米/秒”；“数据库”；”；“度”};T =表(动量名称，STDEV，规格，单位);disp (T);

MomentName方差规格单位  __________ _____ _____ __________ {' Z '} 0.5 1{“分贝”}{“虚拟现实”}0.01 - 1{“米/秒”}{‘sigmav} 0.14 - 1{“米/秒”}{‘ZDR} 0.06 - 0.2{“分贝”}{‘Rhohv} 0.006 - 0.01 {0 x0 char}{‘Phidp} 0.16 - 2{‘度’}

通过对比，所有雷达矩估计均符合NEXRAD规范，表明数据质量良好。

总结

本例演示了如何模拟极化多普勒雷达从分布天气目标区域的回波。目视比较和误差统计表明，估计的雷达矩满足NEXRAD地面真值规范。通过这个示例，您可以进一步探索模拟时间序列数据在其他应用中的应用，如波形设计、系统性能研究和天气雷达的数据质量评估。

参考文献

Doviak, R和D. Zrnic。多普勒雷达和天气观测纽约:多佛，2006年。

[2]张革。气象雷达偏振测量。博卡拉顿:CRC出版社，2016年。

[3]李，Z, S.佩雷拉，张颖，张国和R. Doviak。多功能阵列雷达天气测量的时域系统建模与应用2018 IEEE雷达会议(RadarConf18)，俄克拉荷马城，OK, 2018年，第1049-1054页。